從某些生成的 HTML 中刪除注釋，這些注釋可能對嵌套注釋無效

Question

我想從一些生成的內容中刪除 HTML 條評論。 如果我使用正則表達式/<.--(?*?)-->/ （不喜歡? ）那么它適用於大多數情況，例如這個例子：

<!-- <h1> test </h1> --> not remove <!-- <h1> test 2 </h1> -->

它擺脫了<h1>標簽並根據需要保留“不刪除”。

但是如果注釋是嵌套的，那么它將無法正確處理它，因為它會留下最后一個注釋結束標記'-->' 。 解決方法是使用貪心模式，但在這種情況下，它不適用於第一種情況，有多個評論。

嵌套評論的示例（我知道它無效 HTML，但它是生成它的后端）：

text <!-- something <!-- <p> test </p> --> need remove -->

我試圖找到解決方案，但我不知道如何解決這個問題。 有誰知道如何處理它？

Answer 1

正如您所提到的，這令人沮喪，因為使用不貪婪的規則可以解決一個案例，而使用貪婪的規則可以解決另一個案例，但您無法同時解決這兩個案例。 嗯，你很幸運，因為 PHP 的 PCRE 引擎接受遞歸:-)！

所以這個問題可以用(?R)的魔力來解決，它的作用有點像“在此處復制並粘貼完整模式”，正如我所理解的那樣。

模式將是：/<?--(:?(.?<!--|-->).|(?R))*-->/ /<?--(:?(.?<!--|-->).|(?R))*-->/gs

你可以在這里測試它： https://regex101.com/r/fZK8VP/1

解釋：

• <!--匹配字符串“<.--”。

• (?: | )*是一個非捕獲組，可以重復多次並有兩個選項：

  A）第一個選項：

  • (?!<!--|-->)是一個否定前瞻，如果它后面跟着“<!--”或“-->”，有兩個選項表示不匹配。

  • . 匹配任何字符。

  B) 第二個選項：( (?R)是整個模式（遞歸）。

• -->匹配字符串“-->”。

我使用s模式修飾符作為. 如果您對多行有一些評論，也應該匹配新行。